科學結論的程序正義 • 科學思考者

如何評估科學論斷#

我們每天都會收到各種號稱「科學」的資訊——新藥研發成功、吃什麼東西致癌、育兒專家的新建議。你不必是一個領域的專家，也能看明白那些說法科學不科學、可信不可信。你只要掌握「可信性」的門道就行。

數學研究的是柏拉圖世界裡的事，只要邏輯正確就一定是正確的，論文的同行評議審稿也能完全保證邏輯正確。比如 2020 年中國科技大學的兩位數學家證明了微分幾何猜想，文章發表在頂級期刊上，這件事就板上釘釘了。

物理學研究的是真實世界，光邏輯正確就不夠了。物理學家在 20 世紀 60 年代就預言了「希格斯玻色子」的存在，但直到 2012 年大型強子對撞機上才發現了它的蹤跡。理論自信來自研究對象的簡單——物理學本質上是簡單的，每個地方的物理定律都是一樣的。

化學、材料、工程、生物醫學等領域的東西比物理學複雜得多，理論推導根本無法直接得出有效結論，必須做實驗才知道。而實驗都是有不確定性的。

現在通用的標準是使用一個「P 值」，代表「實驗結論純屬巧合」的可能性。P 值越小，結論越「顯著」。

醫學、心理學、社會科學這些和普通人關係最密切的研究，恰恰是最不可信的。全世界的人可不一樣——性別、年齡、營養、教育程度、工作性質、文化習俗、經濟條件、環境氣候都有關係。

最弱的證據是**「案例」**。最理想的方法是所謂「大規模隨機雙盲對照實驗」：

2020 年新冠疫情期間，中國的疫苗早早發出但國際上沒有什麼反應，因為中國疫苗還沒有經過大規模隨機實驗的考驗。中國把疫情控制得太好了，反而沒有足夠的感染風險來做實驗。

輝瑞為了接替即將過期專利的立普妥，投入 10 億美元開發了新藥托伐普。實驗把 15003 名病人隨機分成兩組進行臨床三期實驗。

結果實驗組死了 82 人，對照組只死了 51 人。輝瑞立即提前終止實驗、宣布新藥失敗。因為 P 值設定是 0.01，而 82 vs. 51 的 P 值已經是 0.007，過了紅線。哪怕實驗組只是少死兩個人（80 vs. 51），P 值就是 0.011，實驗就可以繼續。

你看這像不像考大學？成績只差兩分，結果有天壤之別。這就叫**「程序正義」**。

我們想要的是「實質正義」——這個藥到底對「你」有沒有效。但科學回答不了這樣的問題。幾萬人參與、10 億美元投入，最後也只能給你一個分數線式的答案。

「沒有證據表明這個東西有效（absence of evidence）」不等於「有證據表明這個東西無效（evidence of absence）」。

程序正義是有限的正義，科學知識是有限的認知。我們相信世界是講理的，但我們必須對科學這門業務有合理的期待。

「隨機雙盲對照實驗」的設計目標是製造近乎完美的局面：實驗組和對照組除了吃的藥不一樣，其他一切都一樣。對照組使用安慰劑，恰恰是為了排除安慰劑效應。「雙盲」是指病人不知道自己吃的是新藥還是安慰劑，連醫護人員也不知道——否則醫護人員的主觀偏見可能影響結果。